盐析白兔

这个屌丝很懒，什么也没留下！

热门标签

更简洁更高效，Doris对比ClickHouse、MySQL、Presto、HBase_doris hbase

作者：盐析白兔 | 2024-05-01 02:32:50

踩

doris hbase

介绍构建统一的OLAP（在线分析处理平台）。

微信搜索关注《Java学研大本营》

构建统一的OLAP

OLAP，即在线分析处理平台。

保险公司试图构建一个数据仓库，能够承担面向客户、分析师和管理层的数据分析工作负载。主要任务包括：

自助保险合同查询：保险客户可以通过合同ID检查其合同详情。它还应支持诸如保险期限、保险类型和理赔金额等筛选条件。
多维分析：分析师根据需要基于不同的数据维度开发报告，以便提取见解，促进产品创新和反欺诈工作。
仪表盘：创建保险销售趋势的可视化概览，以及不同指标的横向和纵向比较。

1 组建数据架构

用户从Lambda架构开始，将数据流水线分为批处理环节和流处理环节。对于实时数据流，采用Flink CDC；对于批量导入，结合Sqoop、Python和DataX构建自己的数据集成工具，名为Hisen。

然后，实时数据和离线数据在数据仓库层汇合，该层由五个组件组成。

1.1 ClickHouse

数据仓库采用扁平表设计，ClickHouse在扁平表读取方面表现出色。但随着业务的发展，ClickHouse面临两个挑战：

为了支持跨表连接和点查询，用户需要星型模式，但在ClickHouse中实现起来很困难。
保险合同的更改需要实时更新到数据仓库。在ClickHouse中，这是通过重新创建扁平表覆盖旧表来完成的，但速度不够快。

1.2 MySQL

计算后的数据指标存储在MySQL中，但随着数据规模的增长，MySQL开始出现问题，如执行时间延长和错误。

1.3 Apache Hive + Presto

Hive是批处理环节的主要执行器。它可以转换、聚合和查询离线数据。Presto是Hive的补充，用于交互式分析。

1.4 Apache HBase

HBase负责主键查询。它从MySQL和Hive中读取客户状态，包括客户信用、保险期限和保额总和。然而，由于HBase不支持二级索引，它在读取非主键列方面的能力有限。另外，作为NoSQL数据库，HBase不支持SQL语句。

这些组件必须相互协作，以满足所有需求，使得数据仓库的工作量过大。这不容易上手，因为工程师必须接受所有这些组件的培训。此外，架构的复杂性增加了延迟风险。

因此，用户试图寻找一个能更好满足他们需求的工具。首先需要的是实时能力，包括实时写入、实时更新和对数据查询的实时响应。其次，需要更灵活的数据分析能力，以支持面向客户的自助查询，如多维分析、大表的连接查询、主键索引、汇总和钻取。然后，在批处理方面，还希望数据写入具有高吞吐量。

最终选择了Apache Doris。

2 用Apache Doris替换四个组件

Apache Doris能够进行实时和离线数据分析，支持高吞吐量的交互式分析和高并发的点查询。这就是为什么它可以取代ClickHouse、MySQL、Presto和Apache HBase，并作为整个数据系统的统一查询网关。

改进后的数据流水线是一个更简洁的Lambda架构。

Apache Doris提供了各种数据摄取方法。它在数据写入方面速度快。此外，它还实现了写入合并（Merge-on-Write）以提高并发点查询的性能。

2.1 降低成本

新架构降低了用户的人力成本。一方面，更简单的数据架构使得维护更加容易；另一方面，开发人员不再需要在数据服务API中连接实时和离线数据。

用户还可以通过使用Doris节省金钱，因为它支持分层存储。它允许用户将大量很少访问的历史数据存储在对象存储中，这样存储数据的成本更低。

2.2 提高效率

Apache Doris可以达到数万的查询每秒（QPS），并在毫秒内响应数十亿的点查询，因此它可以轻松处理面向客户的查询。将热数据与冷数据分离的分层存储也提高了查询效率。

2.3 服务可用性

作为存储、计算和数据服务的统一数据仓库，Apache Doris方便了灾难恢复。由于组件较少，不必担心数据丢失或重复。

用户的服务可用性的重要保证是Apache Doris的跨集群复制（CCR）功能。它可以在几分钟甚至几秒钟内将数据从集群同步到集群，并实现两种机制来确保数据可靠性：

Binlog：该机制可以自动记录数据更改并为每个数据修改操作生成一个日志ID。增量日志ID确保数据更改可追溯和有序。
数据持久化：在系统崩溃或紧急情况下，数据将存储在磁盘中。

3 对Apache Doris的深入了解

Apache Doris可以替代ClickHouse、MySQL、Presto和HBase，因为它在整个数据处理流程中具备全面的能力。

在数据摄取方面，Apache Doris基于对Flink CDC和写入合并的支持，实现低延迟的实时写入。它通过标签机制和事务加载来保证写入的Exactly-Once。

在数据查询方面，Apache Doris支持星型模式和扁平表聚合，因此可以在多表连接和大型单表查询中提供高性能。Apache Doris还提供了各种加速不同查询的方法，如用于全文搜索和范围查询的倒排索引，用于点查询的短路查询计划和预编译语句等。